Situated Motivation: An Empirical Test in an Accounting Course
Notice bibliographique
Résumé
Abstract The enhanced motivation and performance benefits associated with the use of enriched work environments (i.e., high task identity, variety, and significance; worker autonomy; and frequent performance feedback) have been well established (Hackman & Oldham, 1975, 1976, 1980). The present study tests whether these benefits can also be achieved in the classroom setting. Students from a compulsory final‐year accounting course were asked to report their level of motivation in and their perceptions about the enrichment of the course. As hypothesized, a positive and significant correlation was found between student perceptions of enrichment and their reported motivation. The results, obtained by running a series of regression equations which included a variety of teaching context and student level variables, are also reported. These regression results offer further insight into the relationship between enriched learning environments and motivation. Résumé Une motivation rehaussée et une augmentation des performances sont associées à la mise en place d'un environnement de travail enrichi (par exemple grâce à une «high task identity» oú l'ouvrier reçoit une explication globale de son processus de travail et s'épanouit dans cette connaissance, la variété et l'importance de ce travail, l'autonomie de l'ouvrier et de fréquentes appréciations sur ses performances), comme cela a été clairement établi (Hackman & Oldham, 1975, 1976, 1980). Cette étude a pour but d'examiner si ces améliorations peuvent être étendues à la salle de classe. Des étudiants de dernière année dans un cours obligatoire de comptabilité ont été sollicités pour rendre compte de leur niveau de motivation pour le cours et de la proportion de tâches enrichissantes qu'ils avaient trouvée dans celui‐ci. Conformément à l'hypothèse de départ, une forte corrélation a été trouvée entre la perception des étudiants quant au nombre de tâches enrichissantes dans le cours et leur niveau de motivation. Les résultats obtenus à partir d'une série d'équations régressives, qui incluaient une diversité de contextes d'enseignement et des étudiants de niveaux variables sont également inclus. Ces résultats approfondissent encore la relation entre un environnement d'apprentissage enrichi et la motivation qui en découle.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».